哔哩哔哩
Agent应用开发工程师【2027届】
Agent应用开发工程师【2027届】
发布于 6 小时前实习/见习
实习生仅现场办公AI产品经理
AI产品经理
Asr
Llm Agent
Tts
Workflow
多模态模型
系统架构
视频处理
值不值得投
75综合评分
综合评分 75
顶尖AI技术栈、高成长潜力、前沿探索，适合热爱技术的年轻开发者
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便比较实习机会。
薪资怎么样
1.0千
比AI产品经理中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 880 个在招 · 其中AI产品经理 3 个
市场机会
选择面较广
上海 · AI产品经理 · 约 120 个在招
职位详情
关于这个职位
作为2027届实习生，你将负责设计并建设AI视频译制Agent系统，整合ASR、LLM、TTS等多模态模型，构建自动化译制链路
同时探索视频理解、翻译配音及视听适配等前沿技术方案，推动AI技术从原型验证走向实际生产落地，提升多语言内容的制作效率与质量
最低要求
届本科及以上学历在校大学生
熟悉主流大语言模型和多模态模型的能力与使用方式，有 LLM Agent、工具调用、复杂 Workflow 或 AI 应用工程化经验者优先
具备较强的技术研究和问题解决能力，能够面对不熟悉的领域，自主调研开源项目、论文、模型或 API，并快速完成技术验证
具备良好的系统架构和工程质量意识，能够处理多模型编排、异步任务、异常恢复、资源调度、性能和成本等实际工程问题
具有较强的产品意识和结果导向，愿意深入理解视频内容与用户观看体验，而不只是完成接口开发任务
对 AI 原生应用充满兴趣，愿意主动使用 AI 辅助开发和研究工具，持续探索新的技术方案与工作方式
工作职责
设计并建设 AI 视频译制 Agent 系统
负责视频多语言译制的端到端 AI 应用架构，整合现有 ASR、LLM、TTS 模型，以及外部多模态模型和音视频处理工具
利用 Agent、Workflow 和多模态推理技术，构建具备任务规划、工具调用、结果检查、问题定位和迭代修复能力的自动化译制链路
探索将传统配音制作中的翻译改编、声音表演、时间适配、音视频后期等经验转化为 AI 可以理解和执行的任务策略
负责视频译制各类 AI 技术方案的探索、验证与落地
视频理解与预处理：探索语音识别、说话人识别、OCR、镜头分析、多模态内容理解及语料提取
翻译与配音：研究基于剧情上下文、人物情绪、画面和时间约束的翻译改编及语音生成策略
视听适配：探索口型同步、硬字幕擦除与替换、画面修复、人声分离、音频处理及自动混音等技术
持续跟踪并评估行业开源项目、模型及 API，能够快速构建原型、比较方案并推动工程落地
与相关模型团队合作解决需要专项研发的问题
建立译制结果的自动化质量评估与优化机制
针对翻译质量、声音表现、语音时长、音画同步、字幕一致性、混音效果等问题，构建可自动执行的质量检查和问题归因能力
探索利用多模态模型对生成视频进行整体审查，根据问题自动调整翻译、生成参数或调用其他处理工具，实现可控的迭代优化
建立典型场景测试集、实验评估及质量回归机制，持续提升最终译制作品的自然度、表现力与整体观看体验
推动 AI 技术从探索走向实际生产
负责关键原型开发、技术方案选型及核心模块实现，推动能力逐步应用到真实视频译制生产
与产品、语音算法、语言模型、视频工程及内容制作团队共同分析效果问题，推动跨团队解决
持续优化自动化程度、成功率、处
优先资格
有视频生成、视频编辑、AI 配音、数字人、语音 Agent 或多模态内容生产相关项目经验
熟悉 FFmpeg、音视频编解码、音轨处理、视频字幕、声音分离、图像修复或口型同步技术
有从零构建并上线复杂 AI 应用系统的经验，包括模型选型、效果评测、Workflow 编排及生产稳定性建设
有开源项目贡献经历，或能够展示个人独立完成的 AI 应用、Agent、自动化工具等作品
对影视、动画、配音、视频内容创作或多语言本地化有浓厚兴趣
AI 洞察
优缺点分析
优点
- 处于AIGC视频生成最前沿赛道，技术栈极具前瞻性和竞争力
- 背靠哔哩哔哩平台，拥有海量视频数据和丰富的应用场景
- 能接触到业界领先的LLM和多模态模型，技术成长空间大
- 技术更新极快，需要保持高强度的学习和自我驱动
- 涉及多模态和音视频处理，技术门槛高，调试难度大
- 对AI原生应用充满热情，具备极强自驱力和技术钻研精神的计算机相关专业在校生
缺点 / 挑战
- 作为早期探索岗位，可能面临需求不明确和技术不确定性带来的挑战
- 适合希望进入AIGC领域，追求技术前沿挑战的同学
角色解读
- 可向AI应用架构师、多模态算法工程师或AI产品经理方向发展
- 在AIGC视频生成领域积累深厚经验，成为该细分领域的专家
- 未来可带领团队进行更复杂的AI系统设计与创新
- 负责设计和搭建AI视频翻译与配音的Agent系统，整合语音识别、大语言模型和语音合成等技术
- 探索视频理解、多模态内容生成及视听适配等前沿技术方案，并推动其在实际生产环境中的落地应用
- 建立自动化质量评估机制，优化译制作品的自然度和用户体验
- 熟练掌握LLM Agent、Workflow编排及多模态模型的应用
- 具备扎实的编程能力和系统架构意识，能处理复杂的工程问题
- 拥有较强的技术调研能力，能快速验证新技术
- 了解音视频处理基础（如FFmpeg）者优先
申请策略
- 关注哔哩哔哩在AIGC领域的最新动向和产品功能
- 准备一个完整的AI应用Demo或GitHub项目，展示你的工程能力和创意
- 面试中重点体现你对‘AI+视频’场景的理解和思考
- 突出LLM Agent、Workflow编排或多模态模型相关的实战项目经验
- 展示你如何运用AI工具解决复杂问题，特别是涉及视频、音频处理的案例
- 强调系统架构设计和工程落地能力，而不仅仅是模型调用
- 深入学习LangChain、LlamaIndex等Agent框架
- 掌握基本的音视频处理知识（如FFmpeg命令、格式转换）
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经历
- 重点阐述技术选型的理由、遇到的具体困难及解决方案、以及最终的效果量化指标
- 对于开放性问题，展示批判性思维和对行业趋势的洞察
- 请介绍一个你参与的LLM Agent或多模态应用项目，你在其中承担的角色和技术难点
- 如何设计一个具备任务规划和错误自修复能力的视频译制Agent？
- 在多模态模型应用中，如何处理上下文长度限制和成本优化问题？
- 你对当前AIGC视频生成的技术瓶颈有什么看法？如何解决？
- 复习LLM基本原理、Transformer架构及常见微调方法
职位点评
薪资福利65
成长发展95
工作生活50
使命价值80
薪资福利
65中等
JD未明确提及薪资，但作为上市大厂的核心技术实习岗，通常提供具有竞争力的实习津贴。福利方面未详细列出，但大厂标准通常较为完善。
薪资信号未披露（AI估算：0.3–0.5千/月）
成长发展
95较高
该职位处于AI应用开发的最前沿，涉及LLM Agent、多模态模型等热门技术，技术成长曲线陡峭，发展性动机满足度极高。
技术前沿前沿/新兴技术
技术栈LLM Agent、多模态模型、Workflow、ASR、TTS、FFmpeg
业务类型profit_center
工作生活
50较低
JD未明确提及办公模式，但互联网大厂核心技术岗通常以现场办公为主，工作节奏可能较快。WLB信号未提及，需做好高强度心理准备。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
80较高
通过AI技术降低视频多语言译制成本，促进全球文化交流，具有显著的社会价值和行业影响力，意义感动机满足度高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
哔哩哔哩 的其他在招职位
相似职位推荐
Watch Jobs